پایش تازگی گوشت قرمز با استفاده از ترکیب طیف نگاری دی الکتریک و پردازش تصویر

با توجه به اهمیت کیفیت گوشت و سایر مواد غذایی مورد مصرف روزانه در رشد و سلامت جامعه انسانی، توسعه سامانه های تشخیص و پایش کیفیت مواد غذایی بیش از پیش مورد توجه محققین می باشد. در این مطالعه ۴۰ نمونه گوشت گوساله در طی پنج روز ماندگاری در دمای پنج درجه سانتیگراد مورد تصویربرداری ماکروسکوپیک و طیف­نگاری توان دی­الکتریک در ۲۰ فرکانس از بازه MHz ۱۰۰- ۵ قرار گرفت. فرضیه مطالعه بر این اساس بود که با ترکیب دو روش مذکور حجم اطلاعات مفید حاصل از تغییرات فیزیکی و شیمیایی گوشت به واسطه ماندگاری افزایش می­یابد. در هر بار آزمایش مجموعا ۴۲ ویژگی (توان دی­الکتریک در ۲۰ فرکانس­ مختلف بین MHz ۱۰۰-۵ و ۲۲ ویژگی بافتی و رنگی تصویر) از هر نمونه استخراج شد. طبقه­بندی روز ماندگاری گوشت با استفاده از متغیرهای دی­الکتریک و تصویر با اعمال پنج الگوریتم شبکه­های عصبی چند لایه پرسپترون (MLP)، رگرسیون منطقی چند جمله­ای (MRL)، درخت­های کاربردی (FT)، درخت­های مدل منطقی (LMT) و روش تجمیعی بگینگ (Bagging) انجام گرفت. نتایج نشان داد که توان دی­الکتریک در فرکانس­های مختلف با افزایش ماندگاری تا روز پنجم کاهش یافت به طوری که برای مثال از ۲۵۰ میکرو وات در فرکانس پنج مگاهرتز در روز اول به ۱۰۰ میکرو وات در همین فرکانس در روز پنجم رسید. همچنین نتایج طبقه­بندی نشان داد که متغیرهای تصویر گوشت به تنهایی بیشتر از متغیرهای دی الکتریک گوشت در طبقه­بندی روز ماندگاری موثر هستند اما با تجمیع این دو منبع اطلاعات حسگری و اعمال تکنیک کاهش بعد به روش مولفه­های اصلی (PCA) بر روی تمام ویژگی­ها، دقت طبقه­بندی ۷۸ % برای الگوریتم درخت­های کاربردی (FT) و ۷۷ % برای طبقه­بند ترکیبی بگینگ (Bagging) با رده­بند پایه شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) حاصل شد.

کلیدواژه ها:

تازگی گوشت ، حسگر ترکیبی ، پردازش تصویر ، طیف نگاری دی الکتریک